全文链接：http://tecdat.cn/?p=18422
本文想在R软件中更好地了解分位数回归优化。在查看分位数回归之前，让我们从样本中计算中位数或分位数（点击文末“阅读原文”获取完整代码数据）。
相关视频
中位数
考虑一个样本 。要计算中位数，请求解
可以使用线性编程技术解决。更确切地说，这个问题等同于
为了说明，考虑对数正态分布的样本，
n = 123
set.seed(132)
y = rlnorm(n)
median(y)
[1] 1.01523
对于优化问题，使用具有3n个约束和2n + 1参数的矩阵形式，
r = lp("min", c(rep(1,2*n),0),
tail(r$solution,1)
[1] 1.01523
分位数
当然，我们可以将之前的代码改编为分位数
tau = .3
quantile(x,tau)
30%
0.674124
线性程序
R代码
r = lp("min", c(rep(tau,n),rep(1-tau,n),0),
[1] 0.674124
分位数回归（简单）
考虑一个数据集，该数据集是一个主要城市的单位租金与面积，建筑年龄等的函数。
分位数回归的线性程序
与ai，bi≥0和
在这里使用
require(lpSolve)
r = lp("min",
c(rep(tau,n , rep(1-tau,n),0,0 , rbind(A1, A2 ,
c(rep( =", 2*n , rep("=", n) , c(rep(0,2*n), y
tail(r$solution,2)
[1] 147.845234 3.273453
我们可以使用R函数来拟合该模型
rq(ren~are , tau=tau
Coefficients:
(Intercept) are
147.845234 3.273453
我们可以使用不同的概率水平来获得图
plot( area, rent,xlab=expression
tau = .9
r = lp("min",
c(re au,n), rep(1-tau rbind(A1 2),
c(rep , 2*n), rep("=", n)), c( ,2*n) y))
点击标题查阅往期内容
R语言分位数回归预测筛选有上升潜力的股票
左右滑动查看更多
01
02
03
04
多元分位数回归
现在，我们尝试使用两个协变量呢，例如，让我们看看是否可以将单位的租金解释为面积的（线性）函数和建筑年龄。
r = lp("min",
c(rep(ta n), rep(1- au,n),0,0, , rbin 1, A2),
(r p("& , n), rep("= n)), (rep(0 *n), y))
tail(r$sol ,3)
[1] 0.000 3.224 0.073
Coefficients:
(Intercept) are year
-5322.503252 3.428135 2.637234
结果是完全不同的。可以用IRLS –迭代加权最小二乘确认后者
for(s in 1:500){
reg = lm(rent ~area+year ,
weigts= tau*(eps t;0 1-tau) eps< ))/ s(e ))
}
reg$coefficients
(Intercept) area year
-5485.433043 3.932134 2.842943
我们可以使后者拟合多元回归，
lp("min",c,A consttype,b)
beta = r$sol[1:K - r$sol (1:K+K)
beta
[1] -5542.633252 3.958135 2.857234
与之比较
rq(rent~ area + year, tau=tau
Coefficients:
(Intercept) area yearc
-5542.633252 3.958135 2.857234
Degrees of freedom: 4571 total; 4568 residual
点击文末“阅读原文”
获取全文完整代码数据资料。
本文选自《R语言分位数回归Quantile Regression分析租房价格》。
点击标题查阅往期内容
R语言分位数回归预测筛选有上升潜力的股票
matlab使用分位数随机森林（QRF）回归树检测异常值
贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析免疫球蛋白、前列腺癌数据
分位数自回归QAR分析痛苦指数：失业率与通货膨胀率时间序列|数据分享
分位数回归、GAM样条曲线、指数平滑和SARIMA对电力负荷时间序列预测
用综合信息准则比较随机波动率（SV）模型对股票价格时间序列建模
结合新冠疫情COVID-19股票价格预测：ARIMA，KNN和神经网络时间序列分析
Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化
配对交易策略统计套利量化交易分析股票市场
Copula 算法建模相依性分析股票收益率时间序列案例
用COPULA模型进行蒙特卡洛(MONTE CARLO)模拟和拟合股票收益数据分析
R使用LASSO回归预测股票收益
金融时间序列模型ARIMA 和GARCH 在股票市场预测应用
时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
自然语言处理NLP：主题LDA、情感分析疫情下的新闻文本数据
在R语言中使用航空公司复杂网络对疫情进行建模
matlab用高斯曲线拟合模型分析疫情数据
R语言ARIMA-GARCH波动率模型预测股票市场苹果公司日收益率时间序列
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言用综合信息准则比较随机波动率（SV）模型对股票价格时间序列建模
R语言回测交易：根据历史信号/交易创建股票收益曲线
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数移动平均法预测股票市场和可视化
R语言k-Shape时间序列聚类方法对股票价格时间序列聚类
R语言逻辑回归Logistic回归分析预测股票涨跌
R语言时变波动率和ARCH，GARCH，GARCH-in-mean模型分析股市收益率时间序列
R语言中的copula GARCH模型拟合时间序列并模拟分析
R语言乘法GARCH模型对高频交易数据进行波动性预测
R语言GARCH-DCC模型和DCC（MVT）建模估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
R语言时间序列GARCH模型分析股市波动率
R语言ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测
matlab实现MCMC的马尔可夫转换ARMA - GARCH模型估计
Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测
使用R语言对S＆P500股票指数进行ARIMA + GARCH交易策略
R语言用多元ARMA,GARCH ,EWMA, ETS,随机波动率SV模型对金融时间序列数据建模
R语言股票市场指数：ARMA-GARCH模型和对数收益率数据探索性分析
R语言多元Copula GARCH 模型时间序列预测
R语言使用多元AR-GARCH模型衡量市场风险
R语言中的时间序列分析模型：ARIMA-ARCH / GARCH模型分析股票价格
R语言用Garch模型和回归模型对股票价格分析
GARCH（1,1），MA以及历史模拟法的VaR比较
matlab估计arma garch 条件均值和方差模型
R语言ARMA-GARCH-COPULA模型和金融时间序列案例
好文链接
您阅读本篇文章共花了：
发表评论